כשהגישה עוקפת את הממשל: סיכון הפנים האמיתי של עידן הסוכנים

ארגונים מוסרים לסוכני AI את המפתחות לתוכן הרגיש ביותר שלהם מהר יותר מכפי שמישהו מספיק לכתוב את הכללים לשימוש באותם מפתחות. הפער הזה, בין מהירות ההטמעה לבין בשלות הממשל, הופך בשקט לבעיית האבטחה המגדירה של שנת 2026, ומנהלי האבטחה עצמם אומרים זאת כעת במפורש.

גישת הסוכנים הפכה לאיום המדורג ראשון

במחקר שביצעה Sapio Research עבור Exabeam ביוני 2026 ופורסם ב-16 בספטמבר 2026 — The Agentic Insider: From Monitoring to Understanding — נסקרו 600 מקבלי החלטות בתחומי האבטחה והכספים בשבע מדינות. מתוך מנהלי האבטחה שנסקרו, 48% הצביעו על סוכני AI הפועלים בהרשאות מופרזות, פרוצות או בלתי מכוונות כאיום הגדול ביותר שעומד בפני הארגון שלהם כיום. בכך ממוקמת גישת הסוכנים מעל שחקני איום חיצוניים, שקיבלו 28%, והרבה מעל אנשי פנים פרוצים ואנשי פנים זדוניים, שקיבלו 12% כל אחד. לראשונה בקטגוריית איומים שצוותי אבטחה עוקבים אחריה כבר שנים, בעיה תשתיתית גוברת על יריב אנושי.

מה באמת נחשב "סוכן"

ההגדרה שהמחקר נותן לנושא שלו חשובה. מחבריו מקפידים להבחין בין "מערכות אוטונומיות מונעות-מטרה, שיכולות לגשת למשאבי הארגון ולבצע פעולות בהתערבות אנושית מוגבלת" לבין "צ'אטבוטים שיחתיים". ההבחנה הזו היא כל הבעיה בזעיר אנפין. צ'אטבוט משיב בתוך חלון שיחה; סוכן פועל — קורא מאגר חוזים, שולף רשומת לקוח, מנסח ושולח הודעה, מעדכן מערכת רישום — והוא עושה זאת, מתוך תכנון, בהתערבות אנושית מוגבלת. כפי שניסחה זאת Gabrielle Hempel מחברת Exabeam בניתוח נלווה, סוכן יכול להיות "זהות תקפה, גישה מורשית, כלים צפויים, ללא תוקף" ועדיין לגרום לאירוע אבטחה. ככל שארגון מעניק לסוכן יותר אוטונומיה — וזה בדיוק ההיגיון הכלכלי שבהטמעתו — כך פוחת הסיכוי לממשל אפקטיבי המבוסס על החלטה מראש, לכל משימה בנפרד, במה בדיוק מותר לאותו סוכן לגעת.

מדוע תיחום ידני קורס

זו המלכודת שאליה נכנסים רוב הארגונים. התגובה האינסטינקטיבית לטענה שלסוכן יש יותר מדי גישה היא לצמצם את התיחום: תפקידים צרים יותר, חשבונות שירות מהודקים, וסקירת הרשאות לכל סוכן בנפרד. זה עובד עבור הסוכן הראשון. זה אינו עובד עבור הסוכן החמישים, ובוודאי אינו עובד כאשר המשימה של אותו סוכן עצמו משתנה משעה לשעה, או כאשר מרחב התוכן שאליו עליו להגיע משתרע על דואר אלקטרוני, שיתופי קבצים, רשומות CRM ונתונים מובְנים שאיש לא מיפה מתוך מחשבה על סוכנים. תיחום ידני מניח מערך משאבים סטטי וניתן למנייה, וכן מערך משימות סטטי וניתן למנייה. בינה מלאכותית סוכנית מפרה את שתי ההנחות הללו ללא הרף.

ניטור אינו זהה להבנה

הנתונים של Exabeam מראים את העומס שנוצר גם היכן שהממשל לא הוזנח. בקרב מנהלי האבטחה, 60% הקימו כלים ייעודיים לאבטחת AI או לממשל שלה, ו-56% הרחיבו פלטפורמות SIEM ופלטפורמות זיהוי קיימות כך שיכסו גם סוכנים. ועדיין, 27% מציינים הקשר התנהגותי ומתאם מוגבלים כפער הניטור המרכזי שלהם. מנהל ה-AI והמוצר הראשי בחברת Exabeam, Steve Wilson, העיר כי "ארגונים מציגים התקדמות משמעותית בניטור סוכני AI, אך ניטור של פעילות אינו זהה להבנה של התנהגות". ניטור מספר לך מה הסוכן עשה אחרי שכבר עשה זאת. הוא אינו אומר לך, מראש, אם היה מותר לו לעשות זאת בכלל.

בעיית התקציב שמסתתרת מאחורי בעיית האבטחה

אילוץ שני מחריף את הראשון, והוא כספי. בקרב מנהלי האבטחה, 55% מציינים שדחו יוזמת אבטחה או צמצמו אותה משום שלא הצליחו למסגר את הסיכון במונחים פיננסיים שה-CFO שלהם יקבל — וזאת אף ש-93% מדווחים על התאמה רחבה בין האבטחה לכספים בכל הנוגע לסיבולת סיכון, ואף ש-81% אומרים שה-CFO שלהם מבין סיכוני אבטחת סייבר במונחים כלליים. הפער אינו פער של אמון אלא של תרגום. "ה-CFO כמעט אף פעם אינו מטיל ספק בכך שסיכון אבטחת סייבר הוא אמיתי", ציין ה-CFO של Exabeam, Mike Byron; המשימה הקשה יותר היא "להבין כיצד ההשקעה מפחיתה את הסיכון במונחים עסקיים מדידים". מודל ממשל שיכול להצביע על החלטות ספציפיות ומתועדות — זהות זו נדחתה מגישה לנתונים אלה, למטרה זו, בתאריך זה — מתורגם לשיחת תקציב בקלות רבה הרבה יותר מאשר לוח מחוונים של ניטור.

השכבה החסרה: מדיניות הנקבעת בזמן הבקשה

חיבור החלקים הללו יחד מגלה את צורתו של מענה מעשי. אין מדובר בניטור טוב יותר של סוכנים אחרי שפעלו, ואף לא בגיליון גדול יותר של הרשאות שנקבעות לכל סוכן לפני שיפעל. מדובר בשכבת מדיניות היושבת בנקודת הגישה עצמה ובוחנת, עבור כל בקשה, אם מותר לזהות הזו — אנושית או סוכנית — להשתמש בנתונים האלה למטרה הזו, עוד לפני שדבר זז. ההחלטה הזו חייבת להתקבל באופן דינמי, מתוך המאפיינים של הנתונים, של הזהות ושל הפעולה המבוקשת, ולא להיקבע פעם אחת מראש עבור תפקיד שיתיישן בהכרח. וכל החלטה, אישור או דחייה, חייבת להיות מתועדת, כך שרישום האכיפה משמש גם כראיה שגם המבקרים וגם ה-CFO זקוקים לה.

זהו הכיוון שאליו חותרת Kiteworks עם Data Policy Engine שלה, הבוחן נתונים, זהות ופעולה מבוקשת בזמן אמת מול המדיניות ואוכף הנחיה — חסימה, צפייה בלבד, חובת הנמקה או אישור — ומתעד כל החלטה בנתיב ביקורת בלתי ניתן לשינוי. בהרחבה המיועדת במפורש לסוכנים, Kiteworks מתארת את אותה נקודת בדיקה כחלה לפני שבקשת AI כלשהי נוגעת בנתונים: אימות זהות, הערכת מדיניות מבוססת-מאפיינים ותיעוד ביקורת, כאשר זהות הסוכן נקשרת חזרה לאדם שהסמיך אותה. המסגור של החברה עצמה למה שמונח על הכף הוא בוטה: סוכני AI "אינם מפעילים שום שיקול דעת אתי עצמאי. הם ייגשו לכל נתון שלא נמנעה מהם הגישה אליו במפורש."

זו אינה סיבה להאט את הטמעת הסוכנים. זו סיבה להפסיק להתייחס לגישה כאל דבר שנקבע פעם אחת, ולהתחיל להתייחס אליה כאל דבר שנקבע בכל פעם מחדש.

אם אתם מגבשים כיצד צריך להיראות גבול מדיניות עבור סוכנים בסביבה שלכם, כתבו אל sales@kiteworks.com או התחילו שיחה. אין צורך בהגדרת Claude או MCP כדי לשאול. עיינו בקטלוג הסוכנים ובתמיכת העוזרים.